LLM
- Pages
- 20
- References
- 6
- Related Terms
- 12
Definition
LLM は、大量のテキストを学習し、自然言語の理解、生成、要約、推論補助などを行う大規模言語モデルです。
Background
Transformer 系の深層学習モデルと大規模データ・計算資源の組み合わせによって、文章生成、質問応答、コード生成、対話型アプリケーションの基盤として使われるようになりました。
Position
RAG、MCP、エージェント、プロンプト設計、ファインチューニング、Knowledge Graph 連携などの中心にある基盤モデル概念です。
Distinctions
- LLM は生成 AI の代表例ですが、生成 AI 全体は画像、音声、動画などの生成モデルも含みます。
- LLM は知識ベースそのものではなく、外部知識を扱うには RAG、ツール接続、メモリ基盤などと組み合わせます。
この概念に対して、一次情報または外部出典を優先して参照先にしています。
ページ内関連
- AI Codingプラクティス: 成功確率を上げるための設計論
ここで注意すべきなのは、評価は1種類では足りないことである。Unit testは速いが、UI崩れや実運用の使い勝手は見ない。LLM judgeは柔軟だが、揺らぎとコストがある。人間レビューは強いが遅い。成功確率を上げるには、タスクの性質に合わせて、決定的なテスト、ログ検査、スクリーンショット、人間レビューを組み合わせる。
引用: AI Codingプラクティス: 成功確率を上げるための設計論 developer-tools
- AI・LLM・オントロジー・組織記憶
1. AIの歴史は、記号処理、統計的機械学習、深層学習、Transformer/LLM、エージェント化という流れで理解できる。現在の転換点は、モデル単体の知能ではなく、モデルが外部環境を読み書きする運用系へ進んでいる点にある。
引用: AI・LLM・オントロジー・組織記憶 ai-systems
- 言語ゲーム・志向性・LLM
言語ゲーム・志向性・LLM 1. エグゼクティブサマリー LLMをめぐる哲学的な争点は、「LLMは本当に理解しているか」という内面の有無だけでは捉えにくい。むしろ、LLMの出力が人間の実践の中でどのように受け取られ、訂正され、権威づけられ、責任づけられるかを見た方が、導入現場にも研究にも役に立つ。
引用: 言語ゲーム・志向性・LLM philosophy-knowledge
- LLMの限界と幻覚: 事実性・評価・品質保証をどう設計するか
この研究史から見えるのは、LLM の限界が一つの層で完結していないことである。事前学習、推論、検索、評価、監査の各層で失敗しうるため、対策も一つでは足りない。
引用: LLMの限界と幻覚: 事実性・評価・品質保証をどう設計するか ai-systems
- 暗黙知・形式知・AI要約の関係
2. LLM は明示テキストの要約、翻訳、検索、分類には有効だが、身体知や責任を伴う判断の代替にはならない。
引用: 暗黙知・形式知・AI要約の関係 ai-systems
- AI Codingプラクティス調査ログ
- 指定カテゴリ・slug: developer-tools / ai-coding-success-practices - 関連タグ: AI Coding, AI Agent, LLM, Software Engineering, Codex, Claude Code - 主要な制約: 一次情報または信頼できる公開情報を優先し、主張、根拠、限界、実務...
引用: AI Codingプラクティス調査ログ developer-tools
登場ページ
- AI Codingプラクティス: 成功確率を上げるための設計論
LLMを用いたAI Codingを、魔法の自動化ではなく成功確率を上げる工学として捉え直し、文脈、操作面、検証、統制のエンジニアリングプラクティスを整理する。
developer-tools
- AI・LLM・オントロジー・組織記憶
AIの研究史からLLM、記号接地、Ontology、Graphiti、MCPまでを、組織ナレッジ活用の実務判断に接続する統合レポート。
ai-systems
- 言語ゲーム・志向性・LLM
ウィトゲンシュタインの言語ゲーム、志向性、LLMをめぐる近年の論文を整理し、人間-LLM相互作用をどう捉えるべきかを検討する。
philosophy-knowledge
- LLMの限界と幻覚: 事実性・評価・品質保証をどう設計するか
幻覚がなぜ起きるかを学習目的と推論時挙動から整理し、ベンチマーク評価と実務評価の違い、RAG・検証・引用・ツール利用の限界、運用上の品質保証プロセスをまとめる。
ai-systems
- LLMの基本原理入門: トークン化から文脈長まで
LLMを、トークン化、埋め込み、Transformer、事前学習、次トークン予測、推論、文脈長の順に分解し、非専門家にも分かる形で整理する。
ai-systems
- LLMの学習・微調整・RAG・エージェントの使い分け
事前学習、ファインチューニング、プロンプト、RAG、ツール利用、エージェントを、何を変える技術かという軸で整理し、実務での選び方を示す。
ai-systems
- オントロジー概念の基礎と実務活用
哲学的存在論、知識表現、Semantic Web標準、知識グラフ、業務AIでのoperational ontologyを整理する基礎レポート。
knowledge-systems
- Palantir: Operational AI Platform の深層構造
Foundry、Ontology、AIP、Apolloを、組織の意思決定と監査まで含む運用AI基盤として読む調査レポート。
enterprise-ai-platforms
- 暗黙知・形式知・AI要約の関係
SECIモデルと暗黙知の基礎を整理し、生成AIによる要約・翻訳・ナレッジ管理が得意なことと歪みやすい点を実務観点でまとめる。
ai-systems
- AI Codingプラクティス調査ログ
LLMを用いたAI Codingを、魔法の自動化ではなく成功確率を上げる工学として捉え直し、文脈、操作面、検証、統制のエンジニアリングプラクティスを整理する。
developer-tools
- 調査プロセス: AI・LLM・オントロジー・組織記憶
AIの研究史からLLM、記号接地、Ontology、Graphiti、MCPまでを、組織ナレッジ活用の実務判断に接続する統合レポート。
ai-systems
- 調査プロセス: 言語ゲーム・志向性・LLM
ウィトゲンシュタインの言語ゲーム、志向性、LLMをめぐる近年の論文を整理し、人間-LLM相互作用をどう捉えるべきかを検討する。
philosophy-knowledge
- 調査プロセス: LLMの限界と幻覚・評価方法
幻覚がなぜ起きるかを学習目的と推論時挙動から整理し、ベンチマーク評価と実務評価の違い、RAG・検証・引用・ツール利用の限界、運用上の品質保証プロセスをまとめる。
ai-systems
- 調査プロセス: LLMの基本原理入門
LLMを、トークン化、埋め込み、Transformer、事前学習、次トークン予測、推論、文脈長の順に分解し、非専門家にも分かる形で整理する。
ai-systems
- 調査プロセス: LLMの学習・微調整・RAG・エージェントの使い分け
事前学習、ファインチューニング、プロンプト、RAG、ツール利用、エージェントを、何を変える技術かという軸で整理し、実務での選び方を示す。
ai-systems
- 調査プロセス: オントロジー概念の基礎と実務活用
哲学的存在論、知識表現、Semantic Web標準、知識グラフ、業務AIでのoperational ontologyを整理する基礎レポート。
knowledge-systems
- 調査プロセス: 暗黙知・形式知・AI要約の関係
SECIモデルと暗黙知の基礎を整理し、生成AIによる要約・翻訳・ナレッジ管理が得意なことと歪みやすい点を実務観点でまとめる。
ai-systems
- LLMの限界と幻覚: Source Notes
幻覚がなぜ起きるかを学習目的と推論時挙動から整理し、ベンチマーク評価と実務評価の違い、RAG・検証・引用・ツール利用の限界、運用上の品質保証プロセスをまとめる。
ai-systems
- 調査素材ノート: LLMの基本原理入門
LLMを、トークン化、埋め込み、Transformer、事前学習、次トークン予測、推論、文脈長の順に分解し、非専門家にも分かる形で整理する。
ai-systems
- LLMの学習・微調整・RAG・エージェント: Source Notes
事前学習、ファインチューニング、プロンプト、RAG、ツール利用、エージェントを、何を変える技術かという軸で整理し、実務での選び方を示す。
ai-systems